一种基于区间直觉模糊数多属性决策排序的方法.docVIP

一种基于区间直觉模糊数多属性决策排序的方法 　　【摘 要】本文首先提出了一种基于心态指标的区间直觉模糊多属性决策方法，该方法可将区间直觉模糊决策矩阵转化为区间数决策矩阵；并在这种方法的基础上解决了同时包含区间数、语言数、三角模糊数、区间直觉模糊数等模糊信息的混合型决策矩阵的排序问题.最后，经过实例说明了该方法的可行性和有效性。 　　【关键词】多属性决策；区间直觉模糊数；混合决策矩阵 　　1.预备知识 　　定义1.1 设X是一个非空集合，={|x∈X}为区间直觉模糊集，其中，（x）?[0，1]和（x）?[0，1]，且满足条件sup（x）+sup（x）≤1，?x∈X。 　　称π（x）=1-（x）-（x）为元素x属于X的犹豫度。 　　下面介绍一下区间数的运算法则： 　　定义1.2 设a=[al，au]，b=[bl，bu]为两个区间数，则有： 　　（1）a±b=[al+bl，au+bu] （2）a·b=[al·bl，au·bu] （3）λa=[λal，λau] 　　定义1.3 设a=[al，au]，b=[bl，bu]为两个区间数，且l（a）=au-al，l（b）=bu-bl，则称 　　p（a≥b）= （1）为a≥b的可能度。 　　2.基于心态指标的区间直觉模糊多属性决策方法 　　在实际的决策问题中，决策者由于自身条件和外界环境的不同会有不同的心态。例如，在时间比较紧，知识或数据比较缺乏，决策者的精力和信息处理能力有限时，决策者进行决策时往往会非常谨慎，持悲观心态；如果有关的信息资料比较充足，决策者精力充沛和信息处理能力较强，此时决策者的心态比较温和；当决策者自认为是该决策问题方面的专家时，决策者进行决策时持乐观或激进心态。一般来说，决策者的心态不同会导致不同的决策结果。为此，本文引入心态指标来研究属性值为区间直觉模糊数的多属性决策，将区间直觉模糊决策矩阵转化为区间数决策矩阵，再运用可能度进行排序。 　　假设方案 在属性Gj下的属性值为区间直觉模糊数ij=（[aij，bij]，[cij，dij]），i=1，2，...，m ，j=1，2，...，n。[aij，bij]表示方案Ai对属性Gj的满足程度，[cij，dij]表示方案Ai不满足属性Gj的程度，πij=[1-bij-dij，1-aij-cij]表示决策者的犹豫度，记决策矩阵D=（ij）m×n。 　　决策矩阵中元素ij的隶属度[aij，bij]越大说明方案Ai满足属性Gj的程度越大。我们考虑犹豫度[1-bij-dij，1-aij-cij]中有一部分表示方案Ai满足属性Gj的值，因此可以给犹豫度适当的系数kij，将其合理分配到隶属度中。 　　设xij∈[aij，bij]，yij∈[cij，dij]，1-xij-yij∈[1-bij-dij，1-aij-cij]，则隶属区间可表示为：hij=xij+kij（1-xij-yij）。 　　其中kij∈[0，1]。当kij固定时，hij是关于xij的增函数，关于yij的减函数。因此当xij=aij，yij=dij时，hij取最小值aij+kij（1-aij-dij）；当xij=bij，yij=cij时，hij取最大值bij+kij（1-bij-cij）。故此时隶属度的取值区间为： 　　[aij+kij（1-aij-dij），bij+kij（1-bij-cij）] （2） 　　此时我们可以将区间直觉模糊决策矩阵D转化为区间数决策矩阵H，H中元素hij越大则说明方案Ai满足属性Gj的值越大。 　　显然，将区间直觉模糊决策矩阵转化为区间数决策矩阵后，我们可以灵活运用区间数决策矩阵的各种排序方法。 　　3.混合型决策矩阵的排序方法 　　由于客观事物的复杂性、不确定性以及人类思维的模糊性，在实际决策问题中，决策信息往往很难以实数形式表示，取而代之以语言数、三角模糊数、区间直觉模糊数，甚至有多种形式同时出现的决策矩阵（称为混合型决策矩阵）。因此，对以混合型决策矩阵作为信息载体的多属性决策排序问题的研究有着较为重要的理论意义和实际价值。 　　首先，我们对区间数、语言数、三角模糊数和区间直觉模糊数一次进行简单说明，并将它们转化为统一的区间形式。 　　区间数作为最早被人们认识的模糊数，其形式较为简单：a=[al，au]，其中al≤au。 　　当考虑到决策者在进行定性测度时，一般需要适当的语言评估标度.本文考虑采用7个语言短语构成的语言评论： 　　S={s0=极差，s1=差，s2=稍差，s3=一般，s4=稍好，s5=好，s6=极好} 　　此时我们考虑将上述评论集合S转换成与之一一对应三角模糊数集合： 　　S={s0=（0，0，0.1），s1=（0，0.1，0.3），s2=（0.1，0.3，0.5），s3=（0